随着网络技术的发展,人们已经进入了网络时代,出现了“信息爆炸”的局面。然而,面对丰富的信息资源的同时也面对着信息灾难,海量的信息具有杂乱性和冗余性,人们很难高效的获取所需的有效信息。文本分类技术作为一种处理海量文本信息的关键技术,近年来得到迅猛发展,在信息组织、信息检索、词义辨析、话题跟踪和数字图书馆等方面都有广泛的应用。文本分类算法有很多,比如KNN算法、支持向量机、贝叶斯分类技术等,而针对不同应用每个算法都有其各自的优缺点。KNN算法是一种经典的统计模式识别方法,也是分类效果最好的文本分类方法之一。KNN算法的思想最早是Cover和Hart在1968年提出的,之后的学者们针对KNN算法的缺点进行了各方面的改进,对训练样本进行裁剪来达到减少计算量的目的,还有对相似度计算公式进行改进等。但这些改进方法仍然存在一定问题,例如类中心法生成算法对训练样本裁剪忽略了样本分布不均的情况,对相似度计算公式的改进仍面对计算维数比较高等问题。本文主要针对KNN算法在相似度计算公式和对训练样本集裁剪的方法两个方面进行改进,分别提出了改进的M算子算法和基于标志样本生成策略改进的KNN算法。M算子算法增强了最相关的特征项在低维文本分类中的权重,提高了分类准确率和分类速度。标志样本生成算法在考虑到样本分布不均匀的情况下,通过对训练集样本进行有效的裁剪,减少计算量,进而减少分类时间,并且保证了分类的准确率。